基于改进GhostNet模型的快速单目图像深度估计

针对移动互联网背景下嵌入式平台的单目深度估计任务，在Fast Depth的基础上，通过改进Ghost模块和瓶颈层生成的SE-GhostNet网络模型改进编码网络，以获得更快的推理时间和更优的推理效果，使用改进的局部平面参数预测LPP方法改进解码网络，避免多尺度预测中的上采样引发局部极小值问题，并获得更稠密的深度图。实验表明，本文方法在保证推2理速度的同时，与其他优秀的算法相比，也能取得较好的深度精度。     

一种粉体粒度分析数据的处理方法

本文介绍了一种简便准确的粉体粒度分布表示方法,提出了用粒度分布在正态概率纸上的直线方程和粒度正态分布函数表示粒度分布,并得出了几种粉体的相应经验方程。     

融合多尺度特征的轻量级单目图像深度估计方法

针对目前的单目深度估计网络复杂度高、边缘模糊、精度低等问题，本文以Fast Depth网络模型架构为基础，在编码网络中以改进的模型提升网络的特征表达能力，在解码网络中融合了多尺度特征信息提升特征图推理精度，通过改进的D-ASPP模块细化编解码网络之间语义场景层次，解决边缘模糊和虚假纹理等问题。实验表明，此方法在保持较快的推理速度的同时，获得了较好的深度推理精度，是一种综合性能较好的轻量级单目深度方法。     

基于深度置信网络的炼化空压机故障诊断方法

针对炼化空压机故障诊断中故障机理复杂、先验知识欠缺，且传统浅层神经网络诊断精度不高等问题，结合深度置信网络（DBN）在特征提取和处理非线性数据等方面的优势，提出一种基于DBN的炼化空压机故障诊断方法。该方法利用空压机状态监测实测数据，实现训练网络的无监督特征学习和有监督微调，构建空压机故障的深层网络模型，从而实现对空压机故障类型的有效智能诊断。为评估该方法的有效性，与传统的故障诊断方法进行了比较研究，结果表明，该方法的诊断精度优于传统的故障诊断方法，且稳定性更好。     

一种基于集成粒度的过程控制系统集成思路

提出一种基于成粒度的过程控制系统集成思路。从过程控制系统参考模型入手,提出集成粒度的概念,并将过程控制系统集成划分为五个集成等级来逐步实施;功能块级、应用级、资源级、设备级和系统级,在各级别上使用相应的集成方法和机制。     

基于深度残差网络的化工过程故障诊断

本工作提出了一种基于深度残差网络(DRN)的化工过程故障诊断方法,可从大量化工过程运行数据中自动提取故障特征。模型采用快捷连接缓解传统深度神经网络训练困难的问题,且使用批归一化(BN)方法,可有效缓解梯度消失/爆炸的问题。以田纳西?伊斯曼(TE)过程为实验对象对所提方法进行诊断性能评价实验,并与以往的基于传统深度学习模型的TE过程故障诊断方法进行对比,进一步探究了模型层数、BN技术和残差结构对故障诊断率的影响,最后,通过t分布随机邻域嵌入(t-SNE)方法对网络部分层的输出进行可视化。结果表明,模型对21种工况取得了94%的平均故障诊断率和0.30%的平均假阳率,表现出更加卓越的诊断性能。输出层的二维散点图显示了清晰的聚类,表明所提出的DRN模型能够对故障进行准确诊断。     

一种基于层序分析的相对深度校正方法

本文提出一种基于地层层序分析的相对深度校正方法：它利用活度分析法将不同次下井测得的两条测井曲线进行地层界面划分;根据地层层序不变的原则利用局部相关分析的方法确定这两条曲线的匹配关系;然后分析这两条曲线各个配对层位的顶、底界面深度,对其中一条曲线进行深度校正。这种深度校正方法计算量小,而且精度较高。     

一种可变步长时延估计方法

推导基于参数模型的自适应时延估计算法,分析提高收敛速度的可变步长方法,针对实际应用,给出一种利用功率因子估值估计实际环境中噪声与信号功率的方法。实验结果表明,基于可变步长的自适应时延估计算法具有更快的收敛速度和更小的稳态均方估计误差。     

基于PLSR自适应深度信念网络的出水总磷预测

针对污水处理过程出水总磷预测问题存在的强非线性、大时变等特征,提出了一种基于偏最小二乘回归自适应深度信念网络（partial least square regression adaptive deep belief network,PLSR-ADBN）的出水总磷预测方法。PLSR-ADBN是基于深度学习模型DBN的一种改进型建模方法。首先,将自适应学习率引入到DBN的无监督预训练（pre-training）阶段,来提高网络收敛速度。其次,利用PLSR方法取代传统DBN中基于梯度的逐层权值精调（fine-tuning）方法,来提高网络预测精度。同时,通过构造李雅普诺夫函数证明了PLSR-ADBN学习过程的收敛性。最后,将PLSR-ADBN用于实际污水处理过程出水总磷预测中。实验结果表明所提出的PLSR-ADBN收敛速度快且预测精度高,能够满足实际污水处理过程对出水总磷监测精度和运行效率的要求。     

基于稀疏局部嵌入深度卷积网络的冷水机组故障诊断方法

针对于冷水机组提出一种基于稀疏局部嵌入深度卷积网络（sparsely local embedding network,SLENet）的故障诊断方法。采用稀疏局部嵌入方法代替卷积核,对输入数据进行特征选择,避免了复杂的训练和调参过程。另外采用空间金字塔最大池化作为网络的输出层,减少了网络的输出维数和分类器的计算量。针对美国采暖、制冷与空调工程师学会提供的冷水机组的典型故障数据进行分类,结果表明,该方法相比深度卷积网络（CNN）和支持向量机（SVM）方法具有更高的故障诊断精度。     

一种基于神经网络滤波的广义互相关时延估计方法的设计

针对在混合噪声环境中,在未知噪声先验信息的情况下提高基于广义互相关时延估计方法的准确性和适应性的问题,提出了基于神经网络滤波的广义互相关时延估计方法。该方法通过对多个具有特定统计特征的预滤波器进行组合优化来实现对混合噪声的滤波。该时延估计方法具有自调整能力,能够适应动态变化的环境,还能够通过相关函数峰值的大小来优化神经网络滤波器,提高了适应性和精度。     

一种在氨盐水中加镁控制重灰粒度的方法

固相水合法制取重灰时,轻灰中杂质离子尤其是镁离子,会影响重灰粒度.通过控制精盐水中的镁离子来控制重灰粒度,但是镁离子偏高导致氨盐水管道、吸氨塔内结疤,通常用酸洗的办法来解决,而酸洗对设备腐蚀较严重.因此,我公司采取除去盐水车间精盐水中的钙、镁,在重碱车间氨盐水中添加氯化镁工艺,避免吸氨塔内及管道结疤,并成功应用.此项技...     

基于模糊深度置信网络的陶瓷梭式窑PID优化控制

针对目前陶瓷梭式窑控制方法落后的情况,本文提出了一种基于模糊深度置信网络的陶瓷梭式窑PID参数优化控制方法.同时,设计了模糊深度置信网络结构模型,给出了所设计的控制器结构和相应的算法,并通过改进的LM算法来估计网络参数,从而降低样本数据训练时的存储空间和计算复杂度.该方法通过采集实时温度数据以及使用模糊深度置信网络在线...     

一种纳米颗粒粒度分布的非接触测量方法

研究了基于高频宽带超声衰减谱非接触式方法测量纳米颗粒悬浊液中颗粒相粒度分布问题. 通过理论分析和数值计算,选择ECAH模型作为反演计算的理论模型. 以1%(j)的纳米银水悬浊液作为实验样品,采用标称中心频率为50 MHz的超声换能器和变声程脉冲回波法进行了非接触测量,获得了可利用的高频宽带(10~50 MHz)超声衰减谱,结合理论模型和最优正则化算法反演出纳米颗粒的粒度分布. 实验结果与透射电子显微镜法和高速离心沉降法的测定结果吻合较好,表明该方法可测量悬浊液中纳米颗粒粒度分布.     

一种基于深度学习的网络新闻分类模型

在文本分类任务中,针对卷积神经网络（ConvolutionalNeuralNetwork,CNN）只能提取局部信息,不能更好地表达上下文信息,在提取文本特征时会出现特征丢失的问题。本文提出了一种基于卷积神经网络和长短时记忆网络(Long Short-Term Memory,LSTM)的混合模型,使得两者优点相结合,利用CNN可以通过卷积操作获取数据的局部特征,LSTM可以有效地提取文本的上下文依赖关系,最后使用Softmax分类器进行分类。在清华大学自然语言处理研究室提供的中文文本分析资料集上的测试表明,混合模型的准确率可以达到96.2%。     

基于深度Inception网络的包装袋检测模型

基于深度Inception网络的包装袋检测模型,设计3个Inception模块,称为Inception1、Inception2和Inception3;设计多个方案开展检测性能研究工作。经仿真分析,方案七包装袋检测模型拥有8个网络层,在第1～3个、第7个网络层应用卷积核尺寸为3×3的标准卷积,在第4～6个网络层依次应用Inception1、Inception2和Inception3模块,获得最佳的检测准确率0.768 4。说明较前网络层的Inception1模块可捕获细致的塑料包装袋纹理特征;Inception2模块应用多尺寸卷积核和平均池化可捕获多样化纹理特征;较末端网络层的Inception3模块可对高度抽象特征进行特征变换和提取。方案七模型检测准确率高于传统HOG模型约12%。     

一种基于DFS的系统分隔改进方法

鉴于系统分隔在过程系统流程模拟中的广泛应用,文中对系统分隔方法进行了深入的研究。在过程系统流程设计或优化中,经常需对流程做出调整,这也将改变系统的拓扑结构,使得系统分隔排序的结果发生变化。为了提高系统分隔的效率,进而提高流程模拟的效率,本文基于深度优先搜索算法对系统分隔方法进行了改进,提出了系统快速再分隔方法。经实验验证,所改进方法对系统进行再次分隔结果与原方法所得结果一致,并大大减少了分隔过程所用的时间。由此可证明,该方法稳定可靠,可快速进行对过程系统的再次分隔排序,进而有效提高了系统流程模拟的效率。     

一种基于网络处理器的数据包过滤转发研究

针对在高速网络环境下,为了使网络入侵取证系统(NIFS)对数据包过滤分析处理达到线速,通过对现有网络入侵取证系统的体系结构进行重新设计,提出了一种采用网络处理器在网络底层实现数据的采集、过滤、分析系统,提高了NIFS的运行速度和效率,能较好地适应高速网络环境下的入侵取证分析。     

基于偏最小二乘随机配置网络的污水水质指标估计

准确、可靠地测量污水处理厂的出水水质指标是成功控制和优化污水处理厂的关键。由于现有的离线化验方法存在操作繁复、测量滞后的问题,难以实现水质的实时控制。为了提高估计的准确性和可靠性,提出了一种偏最小二乘的随机配置网络方法 (PLS-SCN)。为了克服输入数据高维度和多重共线性导致的预测风险,将偏最小二乘(PLS)方法嵌入到随机配置网络(SCN)框架中,以代替经典的普通最小二乘(OLS)方法。PLSSCN方法从隐含层输出中提取影响水质指标的主要潜在变量,通过正交投影运算来增强泛化性能。某城市污水处理厂水质指标仿真结果表明,PLS-SCN网络具有良好的输入输出关系,性能优于传统SCN和PLS方法,能够快速、可靠地估计污水水质的质量。     

基于改进集合经验模态分解和深度信念网络的出水总磷预测

出水总磷的准确预测对于城市污水处理厂的高效、稳定的运行至关重要。文中针对城市污水处理过程中出水总磷难以预测的问题,提出一种基于改进集合经验模态分解（modified ensemble empirical mode decomposition, MEEMD）和深度信念网络（deep belief network, DBN）的出水总磷预测方法。首先,设计一种MEEMD算法对城市污水处理过程出水总磷数据信号进行分解,获取多个本征模态函数（intrinsic mode function, IMF）组合;然后,建立一种基于模拟退火（simulated annealing, SA）算法的深度信念网络预测模型,通过优化的模型结构对分解后得到的每个IMF分量进行有效预测;最后,通过大气CO₂浓度预测和城市污水处理出水总磷预测验证了所提出方法的有效性。